UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL

INSTITUTO DE BIOCIÊNCIAS

Estimativa de densidade de aves utilizando amostragem por distâncias

em uma área verde urbana

Aluna: Liliane de Araujo Coelho

Orientador: Andreas Kindel

Trabalho apresentado como requisito para obtenção do grau de Bacharel no Curso

de Ciências Biológicas (Ênfase Ambiental).

Porto Alegre, dezembro de 2009.

Agradecimentos

O processo do Trabalho de Conclusão de Curso envolve muito mais do que o leitor

poderá absorver nas próximas páginas. Envolve horas de sono perdido, dias de estudo,
meses de dedicação, sem contar todo o conhecimento que vem se acumulando desde o
início da graduação. E mais importante que a questão do tempo, são as pessoas que
estiveram envolvidas em tudo isso. Gostaria de agradecer primeiramente a todos aqueles
que compreenderam minha ausência no último semestre, mas mesmo assim
continuaram a me apoiar de maneira surpreendente: família, amigos, namorado.

Aos amigos de Goura: mesmo estando longe, meu coração está com vocês. É quase
impossível pensar em metodologias para o estudo de aves sem pensar em como aplicá-
las aí.

Aos professores que me introduziram ao mundo das aves: Claiton Martins-Ferreira,

Márcio Borges Martins e Daniel Danilewicz Schiavon. Aos dois últimos agradeço
muito pelas inúmeras saídas a campo e todo aprendizado proveniente delas. Ao Daniel
ainda agradeço por, quem diria?, ter ministrado uma aula sobre a metodologia que
exploro nesse trabalho muito antes de qualquer idéia sobre o TCC.

À Carla S. Fontana, que na mesma época que descobria o mundo das aves, me mostrou
o maravilhoso mundo das aves em contexto urbano através de uma palestra sobre seu
trabalho, que me inspira até hoje.

Ao Glayson A. Bencke, que sempre me apoiou nos inúmeros projetos de TCC, com
opinião sincera e curiosidade. Agradeço pelas discussões e todo conhecimento prático e
teórico, pelas oportunidades e amizade. Se não fosse por ele, é provável que esse
trabalho não existisse.

Aos queridos colegas do Laboratório de Ecologia de Populações e Comunidades pela

amizade e apoio e discussões metodológicas.

Aos meus amigos e queridos companheiros de observação de aves, grandes ornitólogos!

Giuliano Brusco “Ceará”, Cris Oliveira, Alan Bolzan, Ana Júlia Lenz, André de
Mendonça-Lima, Jan Karel Felix Mahler Junior e Larissa Oliveira Gonçalves. Vocês
são demais e não existem palavras suficientes para agradecer a companhia, risadas e
passarinhadas. À Larissa agradeço pela companhia em todo processo, compartilhando as
2
ansiedades, alegrias, medos e agüentando a tagarelice; pela ajuda nos momentos finais,
foi essencial. Nela descobri uma grande amiga.

Agradeço também ao Adriano Cunha, que permitiu tantas ausências e incertezas nos
horários de estágio, apoiando assim meu trabalho e confiando em mim. Sem essa
compreensão toda, esse trabalho não seria possível. Aos colegas do estágio também
agradeço por todo incentivo.

Finalmente agradeço ao meu orientador, Andreas Kindel. Ele é o grande responsável

por tudo isso. Além de me orientar no TCC, ele me apresentou pessoas incríveis e abriu
inúmeras oportunidades. Me fez pensar, ter senso crítico, ser independente. Posso
afirmar com orgulho que ele realmente me orientou de maneira exemplar, não consigo
imaginar algo melhor.

Obrigada a todos!

3
Este Trabalho de Conclusão de Curso foi redigido segundo as normas do periódico
Revista Brasileira de Ornitologia, acessíveis em
www.ararajuba.org.br/sbo/ararajuba/instru_por.pdf .

4
Estimativa de densidade de aves utilizando amostragem por distâncias em uma

área verde urbana

Liliane Coelho e Andreas Kindel

Abstract

Estimation of bird density through distance sampling in an urban green area

The monitoring of avian population in urban environments can be difficult due to high

heterogeneity, a complex structure and sometimes low visibility. It is recommended that

for the purpose of monitoring a robust methodology that truly reflects population

changes is used. Bird counts based in different types of relative indexes rely on the

assumption that there is a fixed proportion of birds being detected, even between

different areas. It is known nowadays that detection probability varies between species,

habitats and other factors, so results from relative indexes are not indicated and should

be used with caution. One of the methodologies that accounts for the detection

probability is distance sampling, in which the number of individuals that were actually

present but were not detected may be estimated from a detection function modeled from

the perpendicular distances distribution of the objects to the observer or line transect. In

this study, we compare these two approaches in a green area, using the rufous-bellied

thrush (Turdus rufiventris), a common species in urban environments. The density

estimated from point transects (21,58 ind/ha) almost doubled that from line transects

(10,80 ind/ha), had a higher coefficient of variation (0,36 against 0,26 from line

transects) and a smaller detection probability (0,21 against 0,39). Line transects cover

better the different habitats distributed in small patches, a characteristic of urban

heterogeneity. Based in the literature and our estimates, we recommend the use of line

transects as a safer and more precise approach at the site studied.

5
Key-words: line-transects, point-transects, Turdus rufiventris, urban birds, urban
environment, Porto Alegre, RS

Resumo

O monitoramento de populações de aves em ambientes urbanos pode ser difícil devido à

alta heterogeneidade, estrutura complexa e às vezes baixa visibilidade. Diferentes

metodologias podem ser usadas para contagem de aves, mas, para monitoramentos, é

interessante que metodologias robustas que reflitam mudanças reais em populações

sejam usadas. Contagens baseadas em índices relativos se baseiam no fato de que

sempre a mesma proporção de aves é detectada, mesmo entre diferentes áreas. Sabe-se

porém que a probabilidade de detecção varia entre espécies, hábitats e outros fatores;

assim, resultados de índices relativos não são indicados, e devem ser utilizados com

precaução. Uma das metodologias que considera a detectabilidade é a amostragem por

distâncias, em que o número de indivíduos não detectados, mas presentes, pode ser

estimado a partir de uma função de detecção derivada da distribuição das distâncias

perpendiculares do objeto ao observador ou transecto linear. A amostragem por

distâncias pode ser abordada através de transectos lineares ou pontuais (pontos). Nesse

estudo, testamos as duas abordagens em uma área verde urbana utilizando o sabiá-

laranjeira (Turdus rufiventris), uma espécie comum em ambientes urbanos. A densidade

estimada a partir dos pontos (21,58 ind/ha) foi quase o dobro da estimada dos transectos

lineares (10,80 ind/ha), teve um coeficiente de variação maior (0,36; 0,26 para os

transectos) e uma probabilidade de detecção menor (0,21; 0,39 para transectos).

Transectos lineares amostram melhor áreas heterogêneas, e baseados na literatura e

nossas estimativas, recomendamos o uso de transectos lineares para uma abordagem

mais precisa e segura da densidade de aves na área estudada.

6
Palavras-chave: áreas urbanas, aves urbanas, pontos, transectos lineares, Turdus
rufiventris, RS

7
Introdução

O monitoramento de populações de aves é uma importante ferramenta na conservação

(Buckland 2008). Muita atenção é dada a áreas pouco impactadas, enquanto estudos no

ecossistema urbano recebem atenção bem menor (Marzluff e Erwin 2001, Fontana

2004). A importância de conhecer riqueza, diversidade e padrões em tais ambientes é

enorme e muito interessante cientificamente, pois espécies presentes em ambientes

urbanos apresentam em maior ou menor grau certa plasticidade ecológica, adaptações a

um ambiente heterogêneo e fragmentado (Marzluff e Erwin 2001; Chace e Walsh 2004;

Loss et al. 2009) e mudanças comportamentais. Em termos de conservação, temos como

exemplo populações de espécies de aves urbanas que vem declinando na Europa

(Robinson et al. 2005; Mason 2006; Shaw et al. 2008), além daquelas com importância

para saúde humana (Giunchi et al. 2007).

Assim, ecossistemas urbanos oferecem alternativas interessantes para estudos com

avifauna. Contagens em ambientes urbanos podem, porém, ser difíceis de serem

efetuadas, devido a características do ambiente como a estrutura complexa e pouca

visibilidade. Diferentes metodologias podem ser utilizadas de acordo com o objetivo

proposto, mas para fins de monitoramento, é interessante que a metodologia escolhida

seja capaz de refletir mudanças na população de forma realista (Thompson 2002).

Para contagem de aves existem diversos métodos, que podem ser divididos em dois

grupos principais: índices de abundância relativa e técnicas que estimam diretamente a

densidade das aves (Rosenstock et al. 2002). Para os índices, geralmente o observador

contabiliza as detecções das aves em um uma área pré-definida. A partir dessas

informações são definidos índices, e.g. Índice Pontual de Abundância (IPA) que

equivale ao número de contatos dividido pelo número de pontos amostrados (Aleixo e

8
Vielliard 1995). Esse tipo de metodologia é amplamente utilizada por ornitólogos do

mundo inteiro. O princípio básico é que todos os indivíduos na área definida estão

sendo detectados. Sabe-se, porém, que isso não é verdadeiro para a maioria dos casos. A

detectabilidade de uma espécie é influenciada principalmente pela experiência do

observador, pelas características do ambiente em que o estudo foi realizado e pelas

características da própria espécie (e.g. tamanho, coloração, comportamento)

(Rosenstock et al. 2002). Assim, tais medidas são relativas, e devem ser usadas com

precaução. O cálculo de densidade por métodos indiretos, através de índices, não é

indicado, pois mesmo que sejam tomadas medidas que tentem padronizar a detecção,

ainda assim assume-se que o número de indivíduos detectados representa uma

proporção constante da população (Thompson 2002), o que na realidade não ocorre

(Norvell et al. 2003).

Já o segundo grupo de metodologias em contagens de aves considera que nem todos os

indivíduos da unidade amostral são detectados, e de forma empírica quantifica a

probabilidade de detecção de cada indivíduo, sendo possível acessar indivíduos

presentes porém não detectados (Thompson 2002). O método que tem mais avançado

nesse sentido é o de amostragens por distâncias (distance sampling) (Thomas et al.

2002), que consiste em registrar, para cada indivíduo detectado, a distância

perpendicular ao transecto linear (ou radial no caso de pontos) e a partir do conjunto das

medidas, determinar uma função de detecção da espécie em relação a distância do

observador. A função de detecção possibilita estimar o total de indivíduos presentes na

área, detectados ou não.

Apesar de os pontos fracos de estimativas por índices relativos já terem sido alertados,

ornitólogos continuam a utilizar tais metodologias em detrimento de outras mais

9
confiáveis (Buckland et al. 1993, 2004 e 2008 ; Thomas et al. 2002; Thompson 2002;

Rosenstock et al. 2002; Norvell et al. 2003; Marques et al. 2007). O principal motivo

de tal escolha se baseia principalmente no fato de a estimativa por índices parecer mais

simples e barata, porém a amostragem por distâncias não requer na prática muito mais

do pesquisador, e isso já foi demonstrado (Norvell et al. 2003).

A amostragem por distâncias pode ser abordada por transectos lineares ou pontos. A

escolha da unidade amostral dependerá dos objetivos do estudo e das características do

ambiente (Bibby et al. 1998; Gregory et al. 2004). O contexto urbano pode apresentar

características favoráveis tanto para pontos, quanto para transectos lineares, dependendo

do local e da escala a ser aplicado. Pontos são indicados para situações onde há

dificuldade no deslocamento do observador, em pesquisas direcionadas à muitas

espécies e estudos que relacionam habitats a espécies, enquanto transectos lineares têm

as vantagens de obter um maior número de registros, as chances de registrar mais de

uma vez o mesmo indivíduo são menores, não há perda de registros como ocorre no

deslocamento entre pontos, entre outros.

Considerando a importância de se realizar monitoramentos de populações de aves em

ambientes urbanos e a falta de estudos utilizando metodologias de amostragem por

distâncias em tais ambientes, o presente trabalho pretende avaliar a aplicação da

metodologia através de transectos lineares e pontos em uma área verde urbana de Porto

Alegre utilizando o sabiá-laranjeira (Turdus rufiventris Vieillot, 1818) como organismo

modelo de estudo.

Material e Métodos

10
Área de estudo

A área escolhida foi o Jardim Botânico de Porto Alegre (JBPA; 30°02’S, 51°13’W),

administrado pela Fundação Zoobotânica do Rio Grande do Sul. O Jardim Botânico é

uma área de visitação pública inserida na zona urbana da cidade. Com uma superfície de

40,5 ha, o JBPA apresenta uma grande variedade de ambientes: banhados, lagos, mata

secundária e capoeira, arboretos, jardins, parques, com espécies nativas e exóticas, além

de vias pavimentadas e espaços construídos. Para a realização do estudo, utilizou-se a

mesma área amostrada por Pereira (2007), que corresponde área que recebe visitação ou

está sujeita a manejo direto e que totaliza 14,75 ha.

Espécie estudada

O sabiá-laranjeira (Turdus rufiventris) ocorre em quase todo o Brasil, do Maranhão ao

Rio grande do Sul, na Bolívia, Paraguai, Argentina e Uruguai. Ocupa regiões de mata,

parques, jardins e havendo arborização pode ocorrer até mesmo no centro de cidades

grandes (Sick 1997). Fontana et al. (2004) estimam a densidade da espécie em Porto

Alegre em 0.0958 ind/km2. Na área de estudo ocorre em abundância, sendo uma ave

facilmente detectada.

Desenho amostral

Ao amostrar uma área, nem todos os indivíduos são detectados pelo observador, devido

aos mais diversos fatores. A amostragem por distâncias se diferencia de outros métodos

de contagem de aves por levar em consideração a probabilidade de detecção de cada

11
indivíduo. Existem duas principais variedades de unidades amostrais na amostragem por

distâncias, transectos lineares e transectos pontuais (“point transects”), tratados aqui

simplesmente como “pontos”, mas a lógica é a mesma (Buckland et al. 1993; Marques

et al. 2007).

Foram dispostos cinco transectos lineares de comprimento variável de forma sistemática

na área de estudo, com intervalos de cerca de 100 metros entre elas. O comprimento

total dos transectos lineares foi de 3277 metros. As transecções abrangeram diversos

ambientes e considera-se que foram representativas da área de estudo (Figura 1).

Os pontos foram dispostos conforme Pereira (2007) (Figura 2), consistindo em nove

unidades com distância entre elas de 150 metros, dispostos na área de estudo de maneira

a acomodar o maior número de pontos. Considera-se que os pontos são representativos

da área de estudo.

Coleta de dados

As amostragens foram efetuadas entre o dia 5 e 21 de outubro de 2009, sempre em dias

sem chuva ou vento. Foram realizadas uma série de saídas piloto para o reconhecimento

da área e localização exata das unidades amostrais. O período de amostragem começava

sempre às 08h30min e se entendia até no máximo 10h30min. Mesmo não sendo esse o

horário de maior atividade da avifauna, se mostrou adequado por ser um intervalo em

que a atividade dos sabiás era constante, consistindo principalmente em forrageamento,

facilitando a detecção dos indivíduos.

Cada indivíduo detectado era confirmado como sendo da espécie e adulto com auxílio

de um binóculo 7x35. Na área de estudo estão presentes outras espécies do gênero

12
(Turdus leucomelas, T. amaurochalinus e T. albicollis) que podem ser confundidas se

observadas de longe. Além disso, pelo fato do estudo ser realizado na época

reprodutiva, teve-se o cuidado de checar se os indivíduos registrados eram adultos.

Assim, só foram registrados indivíduos que puderam ser avistados, mesmo que a

detecção tenha se dado primeiramente por audição.

Após a detecção do indivíduo, a distância do mesmo até o transecto ou observador (no

caso dos pontos) foi estimada através de um telêmetro (“laser rangefinder”) com

resolução de 1m. Para distâncias abaixo de 16 metros, o observador estimou as

distâncias, que quando necessário, foram confirmadas com trena. As distâncias foram

sempre estimadas para a posição da primeira detecção dos indivíduos.

Os transectos lineares foram percorridos a pé seguindo um mapa da área. Os indivíduos

eram procurados na linha do transecto à frente, em árvores e nas laterais do transecto.

Para os pontos, esperou-se dois minutos (como em van Rensburg 2009) a partir da

chegada do observador ao ponto para que a atividade das aves voltasse ao normal.

Salienta-se que, mesmo sendo um curto período de tempo, as aves parecem estar

bastante acostumadas com a presença humana. Após esse período inicial, os indivíduos

eram registrados durante cinco minutos.

Tanto em pontos quanto em transectos, as distâncias foram estimadas com auxílio de

telêmetro a partir de 16m, e abaixo disso o observador estimava a distancia a olho e

utilizava trena quando necessário. Nos pontos, as distâncias eram registradas em relação

ao observador, ou seja, ao centro do ponto, e nos transectos a distância registrada era

perpendicular a linha. Foram realizadas três amostragens, cada uma correspondendo ao

conjunto dos nove pontos ou cinco transectos, completado no mesmo dia.

13
Existem três pressupostos principais para a aplicação do método de amostragem de

distâncias:

(1) todas as aves na linha ou ponto são detectadas; (2) as aves são detectadas antes de

movimentos evasivos devido a presença do observador e (3) as distâncias são medidas

ou estimadas de forma acurada. Foram tomados cuidados para atender os pressupostos

conforme Rosenstock et al. (2002), descritos no item anterior.

Um quarto pressuposto pode ser adicionado; as unidades amostrais devem ser

representativas da área estudada (Buckland et al. 2008). Além desses pressupostos,

existem outras recomendações relativas à precisão e tamanho da amostra. Quanto maior

n, número de registros, mais precisa será a estimativa. Em geral, um mínimo de 60-80

observações são necessárias para estimativas de abundância confiáveis. Em locais cuja

área não permite a distribuição de muitas unidades amostrais, (e.g. de 10 a 20 transectos

lineares, Buckland et al. 2008), como é o caso do presente estudo, a repetição dos

transectos ou pontos pode ser realizada para alcançar um n apropriado, sem violação da

independência amostral (Rosenstock et al. 2002).

Análises dos dados

Para a análise dos dados de amostragem por distância foi utilizado o software

DISTANCE 6.0 (Thomas et al. 2009). Primeiramente foi realizada uma fase

exploratória dos dados, seguindo a recomendação de Buckland et al. (1993) e Thomas

et al. (2009) . Nessa fase, são construídos histogramas com a freqüência das distâncias

observadas. A análise dos gráficos permite verificar se houveram arredondamentos ou

movimentos de atração ou repulsão do objeto em relação ao observador. Nessa fase se

14
determina ainda se as distâncias maiores serão cortadas e/ou se serão agrupadas em

intervalos que facilitem as análises. O corte das maiores distâncias é recomendado

(Buckland et al. 1993) para as análises pois registros a distâncias muito grandes e que

ocorrem de maneira descontínua (“outliers”) não colaboram efetivamente no cálculo da

densidade e dificultam o ajuste das funções aos dados.

A probabilidade de detecção é então modelada como uma função das distâncias

observadas a partir dos transectos ou pontos. A função modelada é a função de detecção

(g (x)), que é a probabilidade de detectar um objeto que esteja a uma distância x do

ponto ou transecto. Tal função é composta por uma função principal (key function) e

termos de ajuste (adjustment terms).

O melhor modelo foi escolhido baseado no menor valor de AIC (Akaike’s Information

Criterion). O AIC é um método utilizado para seleção de modelos baseado em

parcimônia, onde o modelo com melhor ajuste e menor número de parâmetros é

considerado o melhor (MacKenzie et al. 2006). O Delta AIC é a diferença entre o AIC

do modelo em relação ao melhor modelo considerado. Valores de Delta AIC inferiores a

2 são considerados semelhantes, e a escolha nesses casos se deu por exame crítico de

outros testes estatísticos de ajuste (teste de Kolmogorov-Smirnov, teste Cramér-von-

Mises e o gráfico Q-q) (Buckland et al, 1993; Buckland 2006; Thomas et al. 2009).

Foram utilizadas as seguintes estimativas calculadas pelo programa: a densidade

baseada na curva de detecção, a abundância (número de indivíduos para a área total, ou

o produto da densidade pela área total), a probabilidade de detecção (a média da

probabilidade de um indivíduo ser detectado a cada distância y), a taxa de encontro

(número de registros sobre o esforço amostral) e a distância efetivamente amostrada, ou

15
µ, a distância em que o número de indivíduos não registrados é igual ao número de

registros efetuados.

Resultados

Neste trabalho, foram obtidos 112 registros de sabiá-laranjeira durante os transectos

lineares e 82 durante os pontos. A distribuição das distâncias perpendiculares e radiais

obtidas durante os transectos e pontos está representada na Error! Reference source not

found.3. Para os pontos, observa-se que o número de registros aumentou até a distância

de 24 m, diminuindo abruptamente a partir dessa. A área dos raios aumenta conforme

uma função quadrática, estando então a distribuição encontrada de acordo com a

esperada. Já em transectos espera-se que a quantidade de registros diminua em função

do aumento da distância. Observa-se no histograma da figura 3b uma distribuição

bimodal, com picos nas classes de distâncias 0-2 m e 16-18 m, não condizente com o

esperado. Através do histograma da figura 3b é possível ainda justificar o corte dos

dados dos transectos em d=40.

De acordo com a análise visual dos histogramas, a função de detecção foi modelada

considerando as seguintes funções (key functions) e termos de ajuste (adjustment terms)

Transectos lineares:

1. Half-normal com até três polynomial terms

2. Uniforme com até três cosine terms

Pontos:

1. Half-normal com até dois polynomial terms

16
2. Half-normal com até dois cosine terms

3. “Hazard-rate” com até dois cosine terms

A ordem dos modelos testados para a função de detecção é apresentado na Tabela 1.

Para as duas metodologias utilizadas, o modelo com menor AIC foi o que utilizou a

função Half-normal com polinômios simples como termos de ajuste. Os dois modelos

da função de detecção são aceitáveis e representados na Error! Reference source not

found.4.

A densidade estimada, abundância estimada e a probabilidade de detecção para cada

modelo são apresentados na Error! Reference source not found.. A área efetivamente

amostrada, representada nos transectos lineares por largura e nos pontos por raio, foi

maior nos pontos (20,28 m) do que nos transectos (15,67 m). A densidade estimada

pelos pontos (21,58 ind/ha) foi muito superior àquela estimada pelos transectos lineares

(10,80 ind/ha), apesar dos intervalos de confiança se sobreporem. A variabilidade dos

pontos também foi maior. Esse resultado reflete-se diretamente na estimativa de

abundância (Error! Reference source not found.5). A probabilidade de detecção

apresentada na Error! Reference source not found. consiste na média da probabilidade de

detecção de todas as distâncias entre 0 e w (ponto de corte ou final). As transecções

apresentam a probabilidade de detecção 1,85 vezes maior (0,392) que a dos pontos

(0,212).

Discussão

17
Dentre os resultados obtidos, o que mais chama a atenção foi que a densidade estimada

a partir dos pontos foi o dobro da estimada pela transecção, com o intervalo de

confiança (95%) das duas metodologias se sobrepondo. Ainda assim, o coeficiente de

variação na estimativa de densidade através dos pontos é maior do que nos transectos

lineares. Em comparação a diversas metodologias que utilizam pontos, Buckland (2006)

também encontrou variação menor em transectos. A variância estimada para a

densidade compreende em maior parte a variação na razão de encontros (variabilidade

espacial) e a variação da estimativa da probabilidade de detecção. Tal resultado reflete a

escolha em considerar a área de estudo homogênea, enquanto que para a espécie ela

claramente não é. Os 14,75 ha estudados do Jardim Botânico podem ser divididos, de

maneira grosseira, em áreas abertas e áreas arborizadas. Dos nove pontos, em dois não

houve registros do sabiá-laranjeira em nenhum dos três dias amostrados. De fato, o

coeficiente de variação da taxa de encontro dos pontos (0,39) foi superior a dos

transectos (0,25). Os transectos, porém, amenizam a heterogeneidade pois estendem-se

por áreas maiores e gradientes de hábitats. Para a utilização dos pontos seria ideal que a

área fosse estratificada. Contudo, considerando que a área do estudo é pequena e não é

possível alocar um número de pontos suficiente para que fosse obtido um número

mínimo de registros necessários para aplicação do método de amostragem por

distâncias, a estratificação não foi viável.

A diferença tão grande entre as estimativas pode ser resultado da heterogeneidade do

ambiente e da maior sensibilidade dos pontos a esse fator, e/ou por quebra de algum

pressuposto durante a coleta dos dados.

O primeiro pressuposto da amostragem por distâncias define que a probabilidade de

detecção no ponto ou na linha do transecto deve ser igual a 1, ou seja, todos objetos são

18
detectados. Farnsworth et al. (2005) discutem a dificuldade de atender esse pressuposto

quando se amostra com pontos. Uma série de medidas é recomendada (Barraclough,

2000) para amenizar o efeito do observador nos registros próximos ao ponto, e tais

sugestões foram seguidas dentro do possível. Durante os transectos também houve

cuidados em relação à detecção na linha ou a pequenas distâncias, e foi observado um

grande número de registros em x = 0.

O segundo pressuposto define que os objetos são detectados em suas posições iniciais.

No histograma das distâncias perpendiculares dos transectos lineares, observa-se uma

distribuição bimodal, que pode indicar que houve movimento de fuga dos objetos em

relação ao observador antes de sua detecção. De fato, a atenção dada à linha para

obtenção de registros a distâncias pequenas pode ter prejudicado a detecção da posição

inicial de indivíduos em outras distâncias.

Outra explicação para a distribuição bimodal das distâncias é alguma falha na medida

das distâncias. As distâncias medidas devem ser exatas, conforme define o terceiro

pressuposto. O excesso de registros para algumas distâncias pode indicar o

arredondamento de valores, como por exemplo, nas distâncias 0, 4 e 16m nos

transectos. Cabe ressaltar que as medidas foram feitas com auxílio de telêmetro a partir

de 16m, sendo muitas vezes confirmada com a trena, assim como os registros feitos

abaixo de 16m.

A probabilidade de detecção estimada foi de 0,39 em transectos e 0,21 em pontos,

indicando que a detecção de um indivíduo na área é mais provável quando transecções

são utilizadas. Já a distância efetivamente amostrada (largura para transectos e raio para

pontos) foi maior em pontos. Buckland (2006) indica resultados semelhantes, com

transecções apresentando uma distância efetivamente menor. O ambiente sendo o

19
mesmo, a diferença é explicada pelo maior número de registros a distâncias maiores

pelos pontos (Buckland et al, 1993) e porque o número de aves potencialmente

disponíveis para detecção aumenta linearmente com a distância de um ponto, mas é

distribuída de maneira uniforme a partir da distância de uma linha (Buckland 2006).

Amostragens utilizando pontos são menos precisas que amostragens utilizando

transectos. Buckland (2006) em um estudo comparando variações na metodologia de

pontos para a estimativa de densidade através da amostragem por distâncias utiliza

como controle a estimativa feita pelos transectos. Pontos são indicados para situações

em que realizar transectos é pouco prático, em terrenos difíceis, com vegetação densa,

quando o foco do estudo são muitas espécies, ou espécies inconspícuas (Rosenstock et

al. 2002; Gregory et al. 2004; Buckland 2006). Se o objetivo do estudo é relacionar

espécie e hábitat, pontos são preferíveis (Barraclough 2000). O tempo gasto no

deslocamento entre os pontos e o esforço perdido durante o trajeto são aspectos

importantes a considerar, visto que para algumas espécies conseguir um número

suficiente de registros pode ser problemático (Buckland et al. 2008). A entrada de aves

na área amostrada durante o tempo de amostragem pode superestimar a densidade e, em

relação a exatidão nas medidas, erros ou arredondamentos tem um grande efeito nas

contagens por pontos. Buckland et al. (2008) exemplificam: se todas as distâncias forem

superestimadas em 10%, as estimativas de abundância terão um viés negativo de 9% em

transectos e 17% em pontos; se as distâncias forem subestimadas em 10%, então as

estimativas terão um viés positivo de 11% para transectos e 23% para pontos. Se

houverem erros nas medidas, mas a média dos erros for zero, as estimativas de

abundância a partir dos transectos praticamente não teriam viés algum, enquanto as

estimativas a partir dos pontos tendem a ter um alto viés.

20
O ambiente urbano apresenta características únicas com respeito à aplicação da

amostragem por distâncias. Em áreas verdes, foco do estudo, o trânsito de pessoas é

alto. Horários em que não há circulação de pessoas e maior atividade da avifauna

podem não ser favoráveis em termos de segurança para o observador. Essa característica

pode prejudicar a detecção (e por isso também a importância de metodologias que

incorporem a probabilidade de detecção). O manejo constante em áreas de jardins,

parques, praças torna o ambiente heterogêneo. Algum conhecimento prévio sobre a

espécie e sua distribuição na área é desejado para um melhor desenho amostral,

podendo-se levar em consideração a estratificação dos dados (Giunchi et al. 2007) para

estimativas mais precisas. A presença de estruturas específicas no ambiente (postes,

cercas, árvores isoladas, caminhos, etc) podem auxiliar na obtenção de medidas de

distância acuradas, através de mapeamento de tais estruturas em saídas piloto. Para

algumas espécies de aves, estudos indicam que a densidade das populações urbanas é

maior que de populações de outros locais (Bibby et al. 1992; Chace e Walsh 2004; Loss

et al. 2009; van Rensburg et al. 2009). Para Shochat (2004), a alta previsibilidade de

alimento unida a poucos eventos de predação, leva ao surgimento de uma população

flutuante abundante. Abundância de aves é desejada para estudos por amostragem por

distâncias, já que um grande número de registros é garantido e as estimativas mais

precisas.

Estudos anteriores conduzidos no Jardim Botânico (Pereira e Bencke 2007), através do

mapeamento de territórios (Bibby et al. 1992), encontraram 38 territórios para T.

rufiventris na área. No entanto, através dessa metodologia não é possível estimar a

densidade de indivíduos para essa espécie, visto que se considera a área de cada

território ocupado por somente um casal. Como foi observado pelos autores, existe um

21
grande número de indivíduos não reprodutores na área. Infelizmente ainda não existem

estudos que aprofundem a questão do comportamento territorial de populações urbanas

de Turdus rufiventris.

A estimativa da densidade do sabiá-laranjeira no Jardim Botânico de Porto Alegre

considerada mais segura é a estimada a partir dos transectos lineares, pois além dessa

metodologia amostrar melhor a área, possibilitou um maior número de registros, e

estimativas com menor variação, corroborando com o descrito na literatura

(Barraclough 2000; Rosenstock 2002; Buckland 2006). O uso de uma metodologia que

considera a probabilidade de detecção é fundamental também em monitoramentos em

ambientes urbanos, e encorajam-se próximos estudos com outras espécies e outras

áreas, incorporando métodos mais sofisticados em que a probabilidade de detecção não

seja definida em função apenas da distância, mas também em função de outras variáveis

(Marques et al. 2007), como características do ambiente ou das espécies.

Agradecimentos

Agradecemos a Glayson A. Bencke por todo apoio, discussões, idéias e aprendizado,

Maurício Silveira pelo apoio e ajuda na aplicação da metodologia, a Fundação

Zoobotânica pelo equipamento. A Tiago Marques e Vinícius Bastazini pela atenção e

ajuda em alguns aspectos teóricos.

Referências

22
Aleixo, A. e Vielliard, J. M. E. (1995) Composição e dinâmica da mata de Santa
Genebra, Campinas, São Paulo, Brasil. Revista Brasileira de Zoologia, v.12, p.493-511.

Barraclough, R. K. (2000) Distance Sampling: A discussion document produced for the

Department of Conservation. Wellington,N.Z. : Dept. of Conservation, Science e
Research internal report, 0114-2798 ;175
Bibby, C. J., Burgess, N. D. e Hill, D. A. (1992) Bird census techniques. San Diego,
CA: Academic Press Limited.

Bibby, C., Jones, M. e Marsden, M. (1998) Expedition Field Techniques - Bird Surveys.
Published by the Expedition Advisory Centre, Royal Geographical Society.

Buckland, S.T., Anderson, D.R., Burnham, K.P. e Laake, J.L. (1993) Distance
Sampling: Estimating Abundance of Biological Populations, Chapman e Hall, London,
reprinted (1999) by Research Unit for Wildlife Population Assessment, St Andrews.

Buckland, S. T., Anderson, D. R., Burnham, K. P., Laake, J. L., Borchers, D. L. e

Thomas, L., Eds. (2004) Advanced distance sampling. Oxford: Oxford University Press.

Buckland, S. T. (2006) Point transect surveys for songbirds: robust methodologies. The
Auk 123:345--345

Buckland, S. T., Marsden, S. J. e Green, R. E. (2008) Estimating bird abundance:

making methods work. Bird Conservation International 18:S91–S108

Farnsworth, G. L.; Nichols, J. D.; Sauer, J. R.; Fancy, S. G.; Pollock, K. H; Shriner, S.
A. e T. R. Simons (2005) Statistical Approaches to the Analysis of Point Count Data: A
Little Extra Information Can Go a Long Way. USDA Forest Service Gen. Tech.
Rep. :736-743

Fontana, C. S. 2004. Estrutura de uma comunidade urbana de aves: um experimento em

Porto Alegre, Rio Grande do Sul. Tese de Doutorado. Porto Alegre: Pontifícia
Universidade Católica do Rio Grande do Sul.

Giunchi, D., Gaggini, V. e Baldaccini, N. (2007) - Distance sampling as an effective

method for monitoring feral pigeon (Columba livia f. domestica) urban populations.
Urban Ecosystems 10:397- 412

Gregory, R. D., Gibbons, D. W. e Donald, P. F. (2004) Bird census and survey

techniques p. 17-52 Em Sutherland,W. J., Newton, I., Green, R.E. Bird Ecology and
Conservation - A Handbook of Techniques. Oxford University Press Inc., New York.

Loss, S.R.; Ruiz, M. O. e Brawn J.D. (2009) Relationships between avian diversity,
neighborhood age, income, and environmental characteristics of an urban landscape.
Biological Conservation 142: 2578–2585

23
Mackenzie, D. I., J. D. Nichols, J. A. Royle, K. H. Pollock, L. L. Bailey, e J. E. Hines
(2006) Occupancy Estimation and Modeling: Inferring Patterns and Dynamics of
Species Occurrence. Academic Press, Amsterdam.

Marques, T. A., Thomas, L., Fancy, S. G. e Buckland, S. T. (2007) Improving estimates

of bird density using multiplecovariate distance sampling. Auk 124:1229–1243.

Marzluff, J.M. e Erwing, K. (2001) Restoration of fragmented landscapes for the

conservation of birds: a general framework and specific recomendations for urbanizing
landscapes. Restoration Ecol. 9: 280–292.

Mason, C. (2006) Avian species richness and numbers in the built environment: can
new housing developments be good for birds? Biodiversity and Conservation 15: 2365–
2378

Norvell, R. E., Howe F. P. e Parrish J. R. (2003) A seven-year comparison of relative

abundance and distance-sampling methods. Auk 120:1013–1028.

Pereira, M. S. E Bencke, G. A. (2007) Censo de aves por mapeamento de territórios no

Jardim Botânico de Porto Alegre, RS, Brasil. Em: XV Congresso Brasileiro de
Ornitologia, 2007, Porto Alegre. Programa e livro de resumos. Porto Alegre:
EDIPUCRS, 2007. p. 132-132.

Pereira, M. S. (2007) Aplicação de dois métodos de amostragem quantitativa da

avifauna no Jardim Botânico de Porto Alegre, RS, Brasil. Relatório final apresentado ao
CNPq.

Robinson, R. A.; Siriwardena, G. M. e Crick, H. Q. P. (2005) Size and trends of the

House Sparrow Passer domesticus population in Great Britain. Ibis 147: 552–562

Rosenstock, S., Anderson D. R., Giesen, K. M., Leukering T. E Carter M. F. (2002)

Landbird counting techniques: Current practices and an alternative. Auk 119:46–53.

Shochat, E. (2004) Credit or debit? Resource input changes population dynamics of

city-slicker birds. Oikos 106:3.

Shaw, L. M.; Chamberlain, D. e Evans, M. (2008) The house sparrow Passer

domesticus in urban areas: reviewing a possible link between post-decline distribution
and human socioeconomic status. Journal of Ornithology 149: 293 - 299

Sick, H. 1997. Ornitologia Brasileira. Rio de Janeiro:Nova Fronteira, 862p, 47

pranchas [ed. Revisada e ampliada por José Fernando Pacheco].

Thomas, L., Buckland, S. T., Burnham, K. P., Anderson, D. R., Laake J. L., Borchers D.
L., e Strindberg, S. (2002) Distance Sampling. Em: Encyclopedia of Environmetrics
Volume 1. Chichester: John Wiley e Sons, Ltd, 2002. p 544–552

24
Thomas, L., Laake, J.L., Rexstad, E., Strindberg, S., Marques, F.F.C., Buckland, S.T.,
Borchers, D.L., Anderson, D.R., Burnham, K.P., Burt, M.L., Hedley, S.L., Pollard, J.H.,
Bishop, J.R.B. e Marques, T.A. (2009) Distance 6.0. Release 2. Research Unit for
Wildlife Population Assessment, University of St. Andrews, UK. http://www.ruwpa.st-
and.ac.uk/distance/

Thompson, W. L. (2002) Toward reliable bird surveys: Accounting for individuals

present but not detected. Auk 119:18–25.

Van Rensburg, B.J., Peacock, D. S. e Robertson, M.P. (2009) Biotic homogenization

and alien bird species along an urban gradient in South Africa. Landscape and Urban
Planning, Volume 92: 233-241

25
Tabelas

Tabela 1 Ordem dos modelos de função candidatos ao melhor ajuste aos

dados baseado no menor valor de AIC.
Table 1 Ranking of candidate models used based on the smallest AIC
value.
No de Delta
Método Modelo AIC
parâmetros AIC
Pontos HN + 2 polynomial terms 3 0,000 591,274
HN 1 2,380 593,654
HR + 1 cosine term 3 2,491 593,764
HR + 2 cosine term 4 3,974 595,248
HN + 1 polynomial term 2 4,213 595,487
HN + 1 cosine term 2 4,361 595,634
HR 2 4,764 596,037
HN + 2 cosine terms 3 6,300 597,574

Transectos HN + 1 polynomial term 2 0,000 735,514

HN 1 0,533 736,048
HN + 2 polynomial terms 3 0,905 736,419
UNI + 3 cosine terms 3 2,136 737,650
UNI + 2 cosine terms 2 2,607 738,121
HN + 3 polynomial terms 4 2,748 738,263
UNI + 1 cosine term 1 3,302 738,816
UNI 0 83,417 818,931
HN: Half-normal;
HR: Hazard-rate;
UNI: Uniform;
Delta AIC: diferença entre o AIC do modelo e o menor AIC;
AIC: Akaike’s Information Criterion

26
Tabela 2. Estimativas de taxa de encontro, distância efetivamente amostrada,
densidade, abundância e probabilidade de detecção geradas pelo programa Distance.
IC 95% entre parênteses. CV= Coeficiente de variação.
Table 2. Encounter rate, effective sampled distance, density, abundance and detection
probabilities computed form Distance. CI 95% are reported in parentheses.CV=
coefficient of variation.
Pontos Transectos lineares

Número de registros 82 111

Taxa de Encontro 3,037 0,034

CV Taxa de Encontro 0,344 0,250

Largura efetivamente amostrada 15,675 (13,452 - 18,266)

Raio efetivamente amostrado 21,164 (18,595 - 24,088)

Densidade estimada 21,582 (9,803 - 47,514) 10,803 (5,535 - 21,085)

CV Densidade estimada 0,368 0,261

Abundância estimada 318 (145 - 701) 159 (82 - 311)

Probabilidade de detecção 0,212 (0,164 - 0,273) 0,392 (0,336 - 0,456)

CV Probabilidade de detecção 0,130 0,077

27
Figuras

Legendas

Figura 1: Posição dos transectos lineares na área de estudo. Line-transects positions at

the studied area.

Figura 2: Posição dos pontos na área de estudo. Point-transects positions at studied

area.

Figura 3: Histograma das distâncias observadas nos pontos (a) e transectos lineares (b).

Barras em intervalos de 2m. Histograms with the detected distances of point (a) and

line-transects (b). The bar width represents 2m interval.

Figura 4: Gráfico da Probabilidade de detecção (linha contínua), histograma das

distâncias perpendiculares e área efetivamente amostrada (µ, linha tracejada) para

pontos (a) e transectos lineares (b). Probability of detection plot (continuous line),

histogram of perpendicular distances and effective sampled area (µ, dashed line) of

point (a) and line-transect (b).

Figura 5: Abundância estimada para pontos (a) e transectos lineares (b). As barras

representam IC95%. Estimated abundances from points (a) and line-transect (b). The

bars represent CI95%.

28
Figura 1

208 m

29
Figura 2

208 m

30
Figura 3

(a)
10

8
No. de indivíduos

0
0 4 8 12 16 20 24 28 32 36 40 44 48

Distância (m)

(b) 25

20
No. de indivíduos

15

10

0
0 4 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64 68 72 76 80 84

Distância (m)

31
Figura 4

(a)
1,6

1,4

1,2
Probabilidade de detecção

1,0

0,8

0,6

0,4

0,2

0,0
0 5 10 15 20 25 30 35 40 45

Distância radial (m)

(b)
1,6

1,4
Probabilidade de detecção

1,2

1,0

0,8

0,6

0,4

0,2

0,0
0 5 10 15 20 25 30 35 40

Distância perpendicular (m)

32
Figura 5

800
700
600
Abundância

500
400
300
200
100
0
Pontos Transectos

33